Productive Aging Profiles Among Vietnamese War Survivors: The Role of Early-Life War Exposure and Military Service
Notice bibliographique
Résumé
Abstract War disrupts millions of lives, particularly in low- and middle-income countries (LMICs), where armed conflicts are most frequent. While much is known about war’s detrimental effects on physical and psychological health, its long-term impact on productive aging remains unclear. This study investigates how early-life war exposure affects productive aging among older Vietnamese war survivors and examines the moderating role of past military service and war trauma exposure. Data come from the Vietnam Health and Aging Study (N = 2,447 war survivors aged 60+). Latent class analysis identifies patterns of engagement across five domains: work, in-kind support, caregiving, community involvement, and self-development. Multinomial logistic regressions assess relationships between war exposure intensity, military role, and engagement patterns. Our analyses identify five patterns of later-life productive engagement: High Engagers, Altruistic, Low Engagers, Civic Developers, and Active Workers. Greater exposure intensity is associated with profiles indicative of higher levels of engagement. Military roles moderate this relationship, with formal military veterans more likely to belong to the Active Workers class under high exposure conditions, while informal military members are more likely to be classified as Low Engagers. To promote productive aging in conflict-affected LMICs, policymakers should consider the long-term impacts of early-life war exposure and past military service. Addressing inequalities and introducing interventions earlier in the life course could enhance effectiveness.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».